tsta

فارسی

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Hierarchical STFT based Transformer for Causality discovery

Authors :

Sahar Semsarha¹ Mohammad bagher Shamsolahi²

1- sharif university of technology 2- sharif university of techonolgy

Keywords :

EEG،causal discovery،Transformers،connectivity،time-frequency analysis

Abstract :

Abstract— electroencephalogram (EEG) signal analysis is crucial for understanding brain dynamics and connectivity. Traditional approaches such as Granger causality, Partial Directed Coherence (PDC), and Directed Transfer Function (DTF) rely on linear autoregressive assumptions and often fail to capture nonlinear dependencies. At the same time, deep learning models including CNNs, RNNs, and Transformers have achieved strong results in EEG decoding tasks, yet these methods generally focus on correlation rather than causation. To address these limitations, we propose a Hierarchical Causal-STFT Transformer (H-STFT-T), a novel framework that integrates causal short-time Fourier transform (STFT) representations with a multi-level hierarchical Transformer architecture. By enforcing causality in the spectral domain and incorporating intra-patch, inter-patch, and inter-channel attention modules, our model prevents leakage, learns temporal delays (lags), and generates directed connectivity graphs. We evaluate H-STFT-T on both synthetic datasets and real EEG benchmarks. Experimental results demonstrate that our method achieves superior accuracy in recovering ground-truth causal links and lag structures, outperforming classical approaches (Granger, PDC, DTF), deep non-causal baselines (GCN, GAT, Transformer), and causal discovery methods (PCMCI, Transfer Entropy, LiNGAM).

List of archived papers

نقش ارزیابی عملکرد در مدیریت صحیح منابع انسانی (با تاکید بر نقش مدیران میانی)

محمد خدایی قلقاچی

کاربرد هوش مصنوعی در بازاریابی دیجیتال: تحلیل انگیزه‌های کاربران برای تقویت برندسازی در رسانه‌های اجتماعی

پریسا جعفری - سیروس فخیمی آذر - سلیمان ایرانزاده - حسین بوداقی خواجه نوبر

افزایش شفافیت تصمیم‌گیری خودکار در سیستم‌های بانکی با استفاده از هوش مصنوعی قابل تبیین (XAI)

صمد میرزا محمدی

ارائه الگوی حسابداری منابع انسانی در شرکتهای دانش بنیان با رویکرد داده بنیاد

حسین بوداقی خواجهءنوبر - فخرالدین محمدرضایی - بهارک یادگار جمشیدی

تاثیر راهبری شرکتی بر اعتماد سرمایه گذاران با تاکید بر تداوم فعالیت و گزارشگری شرکتی

ایوب سبحانی - افشین شالچی

استفاده از هوش مصنوعی جهت تولید یک مقاله تحقیقاتی حسابداری: بررسی پیامدها

رعنا شهدآور - حسین قشلاق سفلائی - حسین عبداله زاده خانقاه

Multi-View 2.5D Attention U-Net with 3D Fusion for Efficient Stroke Lesion Segmentation from T1-Weighted MRI

Fatemeh Salahshourinejad - Kamran Kazemi - Negar Noorizadeh - Mohammad Sadegh Helfroush - Ardalan Aarabi

بررسی رابطه عملکرد اجتماعی، زیست محیطی با عملکرد مالی شرکت های بورس اوراق بهادار تهران

بنفشه فهیمی نیری - حسین بوداقی خواجه نوبر

Integration of High-Speed AFM Nanomechanical Profiling with Deep Spatiotemporal Learning for Early Response Assessment and Tumor Stage Prediction in Oncolytic Virotherapy

َAlireza Haghighatjoo - Fatemeh Noori - Peyman Afshari Bijarbaneh - Seyed Amirhossein Mousavi

چشم اندازهای کاربردی علم داده در علوم مهندسی

لیلی روح بخش

more

Samin Hamayesh - Version 42.5.2